4.3.4.集成學習（一） - 袋裝法(Bagging)，提高法(Boosting)，隨機森林(Random Forest)

簡介 集成學習（Ensemble Learning）是經過聚合多個分類器的預測結果來提升分類的準確率。好比，在集成學習中，會生成多個分類樹模型，從中選取表現較好的那些樹模型，在經過投票等篩選方式決定最終輸出的分類器。在聚合算法中，以Bagging，Boosting與Random Forest（隨機森林）最爲典型。這三個算法，由於可以顯著改善決策樹的缺陷而被普遍應用。python 一句話解釋版本：算

>>阅读原文<<